使用pandoc批量转换epub/pdf等文件为txt时shell脚本执行异常问题

问题原因 #

你原有脚本的执行逻辑是将未修改的原始命令字符串输出后，再通过管道交给sed做替换修改，所以你直接把echo替换为eval时，eval执行的是还没做后缀修改的原始命令，自然达不到转换效果，相当于直接读写原文件。同时原有写法用ls遍历文件名、多轮sed修改字符串的方式，也容易在遇到带空格、特殊字符的文件名时出现解析错误。

解决方法 #

方法1：最小修改原有脚本 #

你原有脚本输出的命令本身是正确的，只需要在整个脚本的末尾加上管道交给bash执行即可，不需要修改内部的echo：

ls $1 | while read x; do echo "pandoc '$x' -o $x" | sed 's/\.[^.]*$//' | sed 's/$/.txt/' | sed 's/$/ --wrap=preserve/' ; done | bash

方法2：更稳健的改写方案 #

用shell内置的参数替换实现，不需要调用sed、也不需要解析ls输出，兼容性和效率更高：

#!/bin/bash
# 遍历指定目录下的文件，可自行修改通配符仅匹配指定格式，比如 "$1"/*.epub "$1"/*.pdf
for file in "$1"/*; do
  # 跳过目录，仅处理文件
  [ -f "$file" ] || continue
  # 内置参数替换去掉文件后缀
  filename_no_suffix="${file%.*}"
  # 执行转换
  pandoc "$file" -o "${filename_no_suffix}.txt" --wrap=preserve
done

注意：如果需要转换PDF文件，需要先安装poppler工具包：Debian/Ubuntu执行apt install poppler-utils，CentOS/RHEL执行yum install poppler-utils，否则pandoc无法解析PDF内容。

内容的提问来源于stack exchange，提问作者Hmm